下载掌阅APP，畅读海量书库
立即打开
理性的决策需要对不确定性状态和目标进行推理。不确定性源于我们预测未来事件的能力在实践和理论上的限制。例如，如果要准确预测人类操作员将如何回应决策支持系统的建议，除了其他因素外，还需要关于人脑如何工作的详细模型。事实上，卫星的路径也很难预测。尽管牛顿物理学允许对卫星轨道进行高度精确的预测，但姿态推进器（attitude thruster）的偶发故障可能会导致卫星轨道与标准路径的较大偏差。即使是很小的不精确性，也会随着时间的推移而加剧偏差。为了实现其目标，对于当前的状态和未来的事件，一个强健的（robust，或鲁棒的）决策系统必须考虑到其中的各种不确定性来源。在本书的第一部分中，我们将首先讨论如何使用概率分布来表示不确定性。现实世界的问题需要对多变量的分布进行推理，我们还将讨论如何构建这些模型、使用模型进行推理并从数据中学习模型的参数和结构。然后，我们将讨论效用理论的相关基础知识，并展示效用理论如何在不确定性条件下形成理性决策的理论基础。我们可以将效用理论结合到前面介绍的概率图模型中，以形成所谓的决策网络。本书第一部分将专注于单步决策（single-step decision），有关顺序决策问题的讨论将在本书第二部分中展开。